八周五连发，价格直降50%：中国大模型用「高频迭代×极致成本」重写了全球AI竞争规则
2026年7-8月，Qwen3.8-MAX、Kimi K3、DeepSeek V4-Flash、GLM-5.2、Seedance 2.5接踵发布——中国模型不仅在基准上追平封闭旗舰，更通过开源生态和成本优势让美国企业开始切换底座。竞争逻辑已从「谁更强」变成「谁更便宜、更快、更开放」。
两年前，业界默认的剧本是：美国闭源大模型稳坐技术制高点，中国玩家跟在后面追。2026 年 8 月，这个剧本正在被撕掉重写。
截至 8 月 5 日，短短八周内，阿里巴巴 Qwen3.8-MAX、月之暗面 Kimi K3、DeepSeek V4-Flash、智谱 GLM-5.2、字节跳动 Seedance 2.5 五款重磅模型接连亮相。这不是零星的单品发布——这是一场高密度、多维度、有明确战略意图的集体冲击。
时间线：八周五连发
7 月 16 日，Kimi K3 首发。2.8 万亿参数，104B 激活，刷新全球开源模型规模上限。Frontend Code Arena 以 1679 分登顶——开源模型首次在编程榜单上超越了 Claude 与 GPT 的全部变体。Terminal-Bench 88.3，Artificial Analysis 综合评分 57，是目前有独立第三方评测的最高分中国模型。MIT 许可，权重已开放。
6 月 17 日，智谱 GLM-5.2 发布。753B 总参，40B 激活，Code Arena 全球第一，Design Arena 全球第一（Elo 1360），SWE-bench Verified 77.8%。同样是 MIT 许可，单机 8×H100 即可部署。Z.ai API 定价 ¥8/百万输出 token。
7 月 31 日，三款同日发布。MiniMax H3 视频模型，生成价格仅行业旗舰的三分之一（0.8 元/秒，2K 分辨率）。字节 Seedance 2.5，单次生成时长翻倍至 30 秒，支持多轮延长和长叙事连贯性。DeepSeek V4-Flash 正式版——这是最具杀伤力的一款：284B 总参、仅 13B 激活参数，Artificial Analysis 评分 50（超越此前的 V4-Pro），而 API 定价仅为 0.28 每百万 token。输入成本是 Kimi K3 的 1/21，输出成本是 1/54。
8 月 3 日，阿里巴巴 Qwen3.8-MAX 压轴。2.4 万亿参数，95B 激活，多模态（文本+图像+视频）。API 定价 6，居中。虽然独立第三方评测还在路上，但 Trilogy AI 的首个 StackPerf 跑分已有 80 分。阿里巴巴承诺一周内开放权重。
价格：一条「斩杀线」
这五款模型画出了一条清晰的价格梯度：
| 模型 | 输入（$/1M tokens） | 输出（$/1M tokens） |
|---|---|---|
| DeepSeek V4-Flash | $0.14 | $0.28 |
| GLM-5.2 | $1.40 | $4.40 |
| Qwen3.8-MAX | $2.00 | $6.00 |
| Kimi K3 | $3.00 | $15.00 |
| Claude Opus 4.8 | $5.00 | $25.00 |
| GPT-5.6 Sol | $5.00 | $30.00 |
| Claude Fable 5 | $10.00 | $50.00 |
DeepSeek V4-Flash 的运行成本不仅是全球最低——仅输出价格比较，它比 Claude Fable 5 便宜约 178 倍（50）。这不是”便宜一点”，这是在重新定义”一个 token 值多少钱”。
OpenAI 的回应来得很快。GPT-5.6 Luna 降价 80%，降至 $0.20/百万输入 token。但即便是这个价格，仍然比 DeepSeek V4-Flash 贵。这是一场中国厂商用”高频迭代+极致成本”发起的消耗战——对手降一轮，这边再降一轮。
性能：不再是「低端平替」
价格战只是表象。真正的结构性变化在于：性能差距消失了。
斯坦福大学《2026 人工智能指数报告》指出，中美顶尖模型的综合性能差距已大幅收窄。在多个基准上，中国模型追平甚至超越了美国闭源旗舰。Kimi K3 在 Frontend Code Arena 登顶，GLM-5.2 在 Code Arena 和 Design Arena 双料第一，DeepSeek V4-Flash 的 Agent 基准（Terminal-Bench 2.1 82.7、DeepSWE 54.4、Cybergym 76.7）甚至在与 Claude Opus 4.8 的比较中仅差几个百分点。
更值得注意的是独立第三方评测的缺席。Qwen3.8-MAX 发布时只有一个 StackPerf 数据点。GLM-5.2 和 Kimi K3 有完整的 Artificial Analysis 评测，但 DeepSeek V4-Flash 的 0731 版 Agent 基准跳跃（DeepSWE 从 7.3 飙升至 54.4）是否完全真实，还需要社区在独立评测环境中复现。当前的排名图景仍然高度依赖各厂商自报的、不可直接对比的 benchmark——“全球前三/第一”的定语各不相同，没有统一口径。
市场效应：美国企业开始切底座
当性能不再拉开明显差距，成本和灵活性就成了决策的决定性因素。21 世纪经济报道和 CCTV 的多篇报道确认了一个正在发生的趋势：大量美国企业、硅谷初创公司出于成本考量，正在把业务流量切换到中国大模型上。
这不是”追赶者追上了”的故事。这是”追赶者改变了比赛规则”的故事。
美国模型的商业模式依赖高价 API 回收训练成本——单款模型的训练动辄数亿美元，生命周期只有 12-24 个月。中国厂商用 MoE 混合专家架构做推理侧深度优化，控制总成本、高频迭代，覆盖从高端推理开发到海量客服吞吐的全场景矩阵。路径不同，结果倒逼。
地缘政治：反向限制正在酝酿
这轮冲击波的另一面是政策风险。中国商务部正在低调咨询阿里巴巴、字节跳动和智谱，酝酿反向出口管制——限制中国企业向海外输出训练数据、限制外国机构获取中国开放权重模型下载、甚至可能限制 Qualcomm 和 TSMC 为中国企业制造基于自研设计的芯片。
如果这些措施落地，它将把芯片战变成双向博弈。中国模型的全球化扩张可能撞上一堵自己垒起的墙。这提醒从业者：开源权重不等于无国界。Kimi K3 的 MIT 许可确实开放，但政治环境随时可能改变”开放”的定义。
开发者怎么办？
三个建议：
-
不要押注单一模型。 用 DeepSeek V4-Flash 跑成本敏感的基础工作流（0.28 是地板价），用 Kimi K3 或 Qwen3.8-MAX 处理高精度任务，用 GLM-5.2 做需要 MIT 许可的商业产品。多模型并行是当前最优解。
-
以每任务总成本而非单 token 费率做决策。 Kimi K3 的推理深度经常用更少 token 完成任务（26M vs 其他模型约 30M），总成本可能抵消更高的单价。不要被 $0.14 的单价迷惑——先跑自己任务的真实对比。
-
关注政策信号。 中国模型的全球化窗口可能不会永远敞开。如果你在海外业务中依赖中国开源权重，请把”被切断”放进风险评估矩阵。
八周五连发不是终点。DeepSeek 已启动 500 亿第二轮融资（估值 5000 亿），Kimi 推进 500 亿美元 Pre-IPO 轮，xAI 预告 Grok 4.6（1.5T）下周发布、Grok 4.7（2.1T）月底到来。全球 AI 竞赛的战场已经从”谁更强”变成了”谁更便宜、更快、更开放”——而中国模型正在定义这三个维度的新标准。